不确定离散系统的输出反馈鲁棒镇定

研究了一类具有范数有界时变不确定性的不确定离散系统的输出反馈鲁棒镇定问题．系统不仅存在状态矩阵不确定性,而且存在控制矩阵和输出矩阵不确定性．得到的动态输出反馈补偿器确保对于所有容许不确定性可以镇定被控对象．给出动态输出反馈补偿器存在的充分条件．最后通过求解一个等价的线性时不变离散系统的标准Ｈ∞输出反馈控制问题,构造出线性时变不确定离散系统的动态输出反馈补偿器的系统矩阵     

利用输出反馈配置多变量系统极点的方法

本文直接从调节闭环特征多项式的系数出发,讨论了利用输出反馈配置极点的问题。提出一个输出反馈能配置全部极点的条件,给出了计算闭环特征多项式系数的二种方法和反馈阵的求解步骤,以实例作了说明。本文方法也可应用于状态反馈和输出动态反馈。     

一类离散线性系统的极点配置方法

着重研究了一类可化为对角线规范形的单输入离散线性定常系统的极点配置问题，得出一个新的计算状态反馈矩阵的公式。该公式计算量小，可进行该类系统的极点配置。为计箅方便，在原有方法的基础上，对中间环节采用简化的处理办法，使之针对状态反馈矩阵的元素而非整个状态反馈矩阵求解，因而避免了前人方法中出现的复杂的矩阵运算，减小了计箅量。箅例结果与理论计算结果的吻合，说明了分析方法的正确性。     

基于输出反馈的区域极点配置

该文研究输出反馈情形下线性定常连续及离散系统区域极点配置的统一代数刻划问题,即利用完全参数化方法,设计输出反馈控制器,使闭环极点配置于指定圆形区域内。     

广义线性系统的输出反馈和极点配置

研究了广义线性系统的输出反馈和极点配置问题。引入“正常化”概念,从而推导出类似于正常线性系统有关输出反馈和极点配置问题的一些重要结论。     

2-D广义系统的特征多项式配置

利用代数几何方法，研究具有多输入的2-D广义系统Roesser模型的特征多项式系数的任意配置问题．通过引入恰当形式的状态反馈，消除了2-D广义系统的无穷远极点，得到了相应的闭环系统．以代数几何方法为工具，将此闭环系统的特征多项式配置问题转化为判别有理映射是否为到上的，推导出多输入的2．D广义系统Roesser模型由状态反馈几乎任意配置特征多项式系数的充分条件．利用此方法同样可对基于输出反馈的特征多项式配置问题进行研究，并给出了2-D广义系统由输出反馈几乎任意配置特征多项式系数的充分条件，从而丰富和发展了多输入情况下的2-D广义系统特征多项式配置的理论．     

误差方差及极点配置区约束下输出反馈控制器设计

在控制系统中，其稳态状态方差和闭环极点表征系统稳态及暂态性能的２个重要指标，一个理想的工程管制系统除了需具有良好的稳态特性外，还需要具有良好的暂态性能以保证过渡过程的品质要求，协方差控制理论在兼顾系统暂，稳态性能指标要求的应用中具有良好的实用效果，该文讨论连续系统在误差方差以及闭环极点配置区约束下，动态系统输出反馈控制器的设计问题，通过对反馈增益阵Ｇ的研究分析，给邮了此类控制器的存在条件及相关性质     

扇形区域极点配置静态输出反馈可靠控制

针对线性系统,考虑连续增益故障模型,研究了具有执行器故障的扇形区域极点配置的静态输出反馈可靠控制问题.首先,在执行器无故障的前提下,给出使极点能够配置在扇形区域内的充分条件,进而得出系统的静态输出反馈可靠控制率.然后,基于执行器故障,重新设计静态输出反馈可靠控制器,利用求解线性矩阵不等式的方法,完成静态输出反馈可靠控制器的设计.由此可靠控制器构成的闭环系统,使得当执行器发生故障时,也可使闭环系统的所有极点保持在扇形区域内.数值仿真验证了结果的有效性和可行性.     

梯形区域极点配置静态输出反馈可靠控制

针对线性系统,考虑连续增益故障模型,研究了具有执行器故障的梯形区域极点配置的静态输出反馈可靠控制问题。首先,在执行器无故障的前提下,给出使极点能够配置在梯形区域内的充分条件,进而得出系统的静态输出反馈可靠控制率。然后,基于执行器故障,重新设计静态输出反馈可靠控制器,利用求解线性矩阵不等式的方法,完成静态输出反馈可靠控制器的设计。由此可靠控制器构成的闭环系统,使得当执行器发生故障时,也可使闭环系统的所有极点保持在梯形区域内。最后的数值仿真验证了结果的有效性和可行性。     

不确定系统受方差约束和鲁棒R稳定的H∞动态输出反馈控制

根据满意控制的思想,设计动态输出反馈控制器,使连续不确定系统满足预先给定的H∞指标、线性矩阵不等式(LMI)区域极点配置和方差约束指标,以保证系统具有期望的性能.利用线性矩阵不等式方法,将上述3类指标约束下的动态输出反馈控制器设计问题转化成一组LMI的可行解问题,借助Matlab-LMI工具箱进行有效求解.数值算例说明了所提出设计方法的有效性.     

动态模糊神经网络研究

针对静态网络无法处理暂态问题，对具有递归环节的动态模糊神经网络进行了研究。通过在网络第二层中加入内部反馈连接，使其具有动态映射能力，从而对动态系统有更好的响应。网络使用遗传算法与反向传播BP(BackPropagation)算法相结合来训练，避免陷入局部最优解。采用时序预测和动态非线性系统进行了仿真研究，结果表明，动态模糊神经网络较之普通模糊神经网络在收敛速度、预测精度和网络规模等方面都有较大的改善，并具有更好的动态系统处理能力。     

基于遗传算法-BP神经网络的径向式导叶多级泵水力性能优化

针对径向式导叶多级泵内部流动状态复杂多变而导致其水力性能曲线难以精确测量的技术难题,采用遗传算法(ge-netic algorithm,GA)迭代优化反向传播(back propagation,BP)神经网络的权值与阈值,构建了基于GA-BP神经网络的径向式导叶多级泵水力性能预测模型,以MD500-57型径向式导叶多级泵为研究对象,建立了输入层为13个神经元、隐含层为10个神经元、输出层为2个神经元的GA-BP神经网络,采用正交试验方法设计了试验参数的正交试验方案,运用数值模拟计算方法对正交试验方案进行求解,获得了试验参数的训练样本,并对神经网络进行训练与测试,计算了过流部件关键几何参数的最优组合方案.试验结果表明:优化后该多级泵在设计工况下扬程增加了2.4 m,效率提高了3.34％,且高效区范围变宽.     

二次型性能的优化降阶控制器设计

在静态输出反馈控制器设计的基础上,设计线性系统在二次型性能指标下的优化降阶动态输出反馈控制器.动态反馈控制器可表示为一个最优降维状态估值器和一个最优静态反馈增益阵.控制器的输入阵,可用全维控制器输入阵的一个线性组合来表示.通过求解利用降维状态观测器的静态输出反馈,可得到降阶控制的最优反馈增益阵.最后,通过一个例子,说明本文提出的给定解控制器设计方法.     

改进的Elman网络在非线性系统辨识中的应用

通过对Elman网络的研究,提出一种新型的基于输入层、隐层、输出层神经元递归的动态递归神经网络,给出Elman网络的标准BP学习算法,针对标准BP算法的收敛速度慢和容易收敛于局部极小点的缺点,利用非线性动量项自适应变步长的BP算法进行改进,从而提高算法的收敛速度,避免陷入局部极小点的问题.通过在系统辨识中的应用,表明该网络收敛速度快,模型精度高,并具有较强的自适应性和鲁棒性,适合于动态系统的实时辨识.     

基于BP算法的成绩预测模型

BP网络是一种典型的多层前向网络,由输入层、隐含层和输出层组成,通过学习样本训练模型后即可用于数据的预测,适用于实现网络教学系统的成绩预测功能。训练样本作为BP网络的学习数据集,对于BP网络模型的训练具有重要的作用。模型选取网络教学系统中能够影响学习成绩的相关因素作为输入数据,包括学生在线学习时间、学生学习能力、作业成绩和测试成绩,利用已有学生成绩作为训练BP网络的期望输出。将这些数据进行归一化处理即可用于训练BP网络模型。训练过程中,全局误差基本呈下降趋势,收敛效果较好。经过训练后的模型可预测出学生的成绩,并转化为相应的等级,对学生下一步学习进行指导,提出适合的教学策略。通过测试表明该模型可以用于教学系统中的学习成绩预测,获得了预期效果。     

基于动态BP算法的非线性滞后系统辨识

鉴于很多实际问题都可以转化到多示例框架下求解,多示例学习越来越受到机器学习领域内学者们的关注.提出了一个基于Logistic回归模型的多示例学习算法.首先定义了一个新的似然函数来表示每个包的标签与其示例的隐含标签之间的关系,然后利用凝聚函数把该似然函数转化为一个光滑的凹函数,从而使问题可以用常用的无约束优化方法快速求解.在一些标准数据集和一个文本分类问题上的实验结果表明,所提算法要优于其他常用多示例学习算法.     

A Multilayer Recurrent Fuzzy Neural Network for Accurate Dynamic System Modeling

A multilayer recurrent fuzzy neural network （MRFNN） is proposed for accurate dynamic system modeling. The proposed MRFNN has six layers combined with T-S fuzzy model. The recurrent structures are formed by local feedback connections in the membership layer and the rule layer. With these feedbacks, the fuzzy sets are time-varying and the temporal problem of dynamic system can be solved well. The parameters of MRFNN are learned by chaotic search （CS） and least square estimation （LSE） simultaneously, where CS is for tuning the premise parameters and LSE is for updating the consequent coefficients accordingly. Results of simulations show the proposed approach is effective for dynamic system modeling with high accuracy.     

用BP网求解模糊控制器输入量的隶属函数

在模糊控制器设计中,需要对输入数据进行模糊化处理,用隶属函数描述;模糊变量隶属函数的选取对模糊推理有很大影响.利用BP网的分类性可以将采集到的清晰数据集广义地分成模糊类.选取具有一个隐层的PB网,输入层和隐层变换函数采用S函数,输出层用线性变换函数,在MATLAB环境下采用动量算法和自适应学习速率,调用trainbpx函数,对BP网进行训练,在训练时最后一层的输出越接近目标值越好.利用训练好的神经网可以对具体的输入数据求解对应于不同模糊区间的隶属值.用这种方法,速度快,误差小.     

基于3种训练神经网络方法解决异或问题的研究

分别运用误差反向传播(error back propagation)算法、扩展卡尔曼滤波(extended kalman filter)和数值积分卡尔曼滤波(cubature kalman filter)算法对多层神经网络模型进行逐次状态估计,并将其用于解决异或的分类问题。从仿真实验结果来看,利用BP,EKF和CKF算法训练的神经网络的输出信号的均方误差曲线的收敛速度依次加快,这使得神经网络的实际输出值越来越逼近其期望输出值,同时针对异或问题3种算法都得到了良好的分类结果.     

LQR优化的BP神经网络PID控制器设计

针对传统神经网络PID(比例 积分 微分)控制器和传统线性二次调节器(LQR)优化型PID控制器对无刷直流电机转速控制恢复时间长及抗干扰性较差等问题, 提出一种LQR优化的BP神经网络PID控制器, 用于无刷直流电机的转速控制. 首先, 利用BP神经网络对PID增益进行调节, 提高控制器的动态适应性和鲁棒性； 然后, 采用LQR优化BP神经网络最优输出, 使其更接近目标PID增益. 仿真结果表明, 该控制器有效提高了响应速度, 减小了稳态误差并增强了抗干扰能力.